Gids-gekoppelde quiz · Middelmatig Niveau

Quiz voor tekstinsluitingen

Beoordeel tekstvectoren en contextuele representaties, inclusief cosinusscores, compact ophalen, Sentence-BERT-pooling en onafhankelijk gecodeerde teksten.

Gerelateerde gidspadenTekstinsluitingen
Vraag 1 van 8

Wat levert een tekstinsluiting op voor een taalvergelijkingstaak?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat levert een tekstinsluiting op voor een taalvergelijkingstaak?
    • A required spoken audio recording
    • A verbatim dictionary entry for every coordinate
    • A numerical vector representation of text
    • Only a grammar-repair instruction
  2. Welke relatie is wenselijk om gelukkig en vreugdevol te zijn in een representatie die is getraind om de gelijkenis van synoniemen vast te leggen?
    • A relatively high similarity under the chosen scoring method
    • A mandatory identical vector for every word
    • A guarantee they are synonyms in every possible context
    • A requirement that neither word can be encoded
  3. Wat was een belangrijke beperking van vroege woordinsluitingen zoals Word2Vec en GloVe?
    • Ze konden niet op een computer worden opgeslagen
    • Ze werkten alleen voor afbeeldingen
    • Ze hadden geen trainingsgegevens nodig
    • Elk woord had een enkele vaste vector, ongeacht de context, dus 'bank' betekende overal hetzelfde
  4. Hoe verbeteren moderne contextuele insluitingen ten opzichte van statische woordinsluitingen?
    • Ze verwijderen alle getallen uit de weergave
    • Ze geven een woord een andere vector, afhankelijk van de omringende zin
    • Ze bevatten alleen de eerste letter van elk woord
    • Ze maken de vector van elk woord identiek
  5. Welke gedocumenteerde standaardgelijkenismethode gebruikt Sentence Transformers voor het insluiten van vergelijkingen?
    • Cosinus gelijkenis
    • Alphabetical order
    • Document creation date
    • Character count alone
  6. What role can compatible text vectors play in a dense-retrieval RAG pipeline?
    • Guaranteeing every generated claim is correct
    • Eliminating the source corpus
    • Ranking candidate passages before they are supplied as context
    • Training a new language model on every query
  7. Which pooling strategy is the stated default in the original Sentence-BERT paper?
    • A mandatory maximum over every possible vocabulary item
    • Mean pooling of output token vectors
    • Concatenation of all corpus documents
    • Randomly selecting an unchanged input byte
  8. Which Sentence-BERT design allows stored sentences to be encoded before a new comparison sentence arrives?
    • Mandatory joint processing of every possible pair
    • Rebuilding encoder weights for each candidate
    • Encoding only the final comparison score
    • Independent sentence encoding through its siamese architecture